Meta veröffentlicht Muse Glimmer: Offenes 30-Milliarden-Parameter-Modell

Inhaltsverzeichnis close notice This article is also available in English. It was translated with technical assistance and editorially reviewed before publication. . Meta hat mit Muse Glimmer ein neues offenes KI-Sprachmodell vorgestellt, das gezielt für den Einsatz auf gewöhnlicher Consumer-Hardware entwickelt wurde. Die Künstliche Intelligenz vorantreibenden Meta Superintelligence Labs veröffentlichen die Gewichte des 30-Milliarden-Parameter-Modells unter der Apache-2.0-Lizenz auf Hugging Face – frei nutzbar auch für kommerzielle Zwecke. Begleitet wurde die Veröffentlichung von einem sehr langen Schreiben von Meta-Chef Mark Zuckerberg, der darin die künftige KI-Strategie seines Konzerns darlegt. Weiterlesen nach der Anzeige Anders als viele aktuelle Spitzenmodelle ist Muse Glimmer nicht auf Cloud-Infrastruktur angewiesen. Es soll auf einem Mac oder PC mit einer einzelnen Consumer-GPU laufen und eignet sich laut Meta für lokale Agenten, Function Calling, Coding-Aufgaben und den Einsatz als LLM-Judge zur Bewertung anderer Modellausgaben. In das Modell ist laut Meta Wissen des größeren Modells Muse Spark eingeflossen, das auch künftig geschlossen bleiben soll. Technische Kniffe für Tempo auf schwacher Hardware Damit das Modell überhaupt in den Speicher eines Consumer-Rechners passt, schrumpft Meta die Gewichte auf rund 4 Bit Präzision. Aus über 55 GByte bei voller Präzision werden so unter 20 GByte. Anhand eigener Benchmarks (u. a. SWE-Bench, τ-Bench, MCP-Atlas, DeepSearch QA) will Meta zeigen, dass Muse Glimmer gegenüber vergleichbar großen Modellen wie Gemma4-31B und Qwen3.6-27B in seiner Gewichtsklasse gut abschneidet – wie belastbar solche herstellereigenen Vergleiche sind, muss sich wie üblich erst in unabhängigen Tests zeigen. Meta kündigt Unterstützung durch Ollama, LM Studio, Unsloth, llama.cpp, ExecuTorch, MLX, vLLM, SGLang sowie Hosting-Angebote von Together AI, Fireworks AI und OpenRouter an. Mit Muse Spark 1.1 hatte Meta zuvor bereits aggressive Preise für seine kommerzielle Modell-API angekündigt, um OpenAI und Anthropic Marktanteile abzunehmen. Zur Anpassung an eigene Anwendungsfälle verweist Meta auf PyTorchs TorchTitan-Trainingsframework. Bei der Hardware-Optimierung arbeitet der Konzern mit AMD, Arm, Dell, Intel und Nvidia zusammen. Zuckerberg: KI-Fähigkeiten für alle öffnen Weiterlesen nach der Anzeige Zuckerberg selbst ordnet das Modell in seinem parallel veröffentlichten Grundsatzpapier „The Path to a Positive AI Future“ in Metas KI-Strategie ein. Zentrale Frage seiner Zeit sei, wer Zugang zu Superintelligenz haben werde und wer sie kontrolliere. Seine Antwort: eine möglichst breite Verteilung der Fähigkeiten, denn je mehr Menschen Zugang zu Cybersicherheits-Superintelligenz hätten, desto sicherer würden letztlich alle technischen Systeme. Übertragen auf Muse Glimmer heißt das: Offene Gewichte sind bei Meta kein Geschenk, sondern Ausdruck einer Theorie, wonach Konzentration von KI-Fähigkeiten bei wenigen Akteuren gefährlicher sei als deren breite Streuung. In seinem langen Schreiben versucht Zuckerberg auch zahlreiche Ängste zu zerstreuen: KI könne dem Arbeitsmarkt und der Wirtschaft nützlich sein, argumentiert er. Sie aktiv zu nutzen, könne helfen, sich gegen Bedrohungen in der Cybersecurity, Bioterrorismus und andere schädliche KI-Erzeugnisse zu wehren. Und auch die Sorge, dass die USA in ihrer Führungsrolle abgelöst werden können, adressiert der Facebook-Gründer. Was Meta sich davon verspricht Diese Argumentation dient zugleich als Gegenentwurf zu konkurrierenden Anbietern: Zuckerberg unterstellt jenen, die auf geschlossene Modelle setzen, dass sie damit tendenziell Institutionen statt Individuen stärken – die meisten anderen konzentrierten sich auf KI für Unternehmen, Regierungen oder andere Institutionen. Meta positioniert sich dagegen als das Unternehmen, das Superintelligenz gezielt für Einzelpersonen baut. Dahinter dürfte vor allem die Absicht stecken, das Unternehmen zu sein, das künftig die Standards setzt.